Оптимизация маршрутов полета БПЛА при групповом патрулировании протяженных территорий как множественная задача коммивояжера с несколькисми депостатья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 26 июня 2024 г.
Аннотация:Одной из перспективных сфер совместного использования беспилотных летательных аппаратов (БПЛА) является групповое воздушное патрулирование больших территорий. Важным этапом организации данного процесса является планирование полетов БПЛА. В работе рассматривается задача оптимального планирования маршрутов полета группы БПЛА при патрулировании территорий большой протяженности с несколькими депо - пунктами базирования беспилотников. Примером таких территорий могут служить труднодоступные территориальные воды или узкие приграничные участки (побережье, горные и лесные массивы) какого-либо государства. Предполагается, что патрулируемая территория имеет вытянутую форму и может быть разбита на цепочку смежных зон патрулирования, предписанных отдельным БПЛА. Маршрут полета беспилотника проходит через смежные зоны. Полетное задание, выполняемое периодически каждым беспилотником, состоит в его перемещении в заданную полетную зону, сборе и передаче оперативных данных в пункт управления. Оптимизационный аспект планирования маршрутов полета БПЛА состоит в минимизации максимальной длины маршрута при облете всех патрулируемых зон. Рассматриваемая задача математически формализуется как множественная задача коммивояжера (МЗК) с несколькими депо. Поскольку она относится к классу NP-трудных задач комбинаторной оптимизации, то практический интерес представляют приближенные эвристические и метаэвристические подходы к ее решению. Предлагается метаэвтристический метод решения МЗК с применением генетических алгоритмов. В качестве модельных примеров рассмотрены задачи патрулирования сухопутной и морской границ Вьетнама, решение которых получено в среде MATLAB с использованием математического пакета Global Optimization Toolbox